Les modèles de vision par ordinateur sont majoritairement entraînés avec de larges bases de données publiques, dont l'exploration des biais permet l'identification de contextes dans lesquels ces modèles sont inadaptés. Le glissement d'un contexte adapté à un contexte inadapté est le témoin du manque de résilience d'un modèle à une variation dans les données. Nous tentons de caractériser le glissement de contexte géographique des données occidentales vers les données mondiales, et identifions les défis associés à cette caractérisation.